docomo MEC™ docomo MEC™ docomo MEC™
お問い合わせ ドキュメント ログインページ
検索
お問い合わせ ドキュメント ログインページ
  • Compute V
  • Compute O
  • Compute D
  • MECダイレクト
  • MECダイレクト(SA)
  • ドコモ画像認識PF
  • ネットワークセキュリティサービス
  • docomo MECポータルへのログイン方法
  • 用語集
  • 改訂履歴
Compute V
Compute O
Compute D
MECダイレクト
MECダイレクト(SA)
ドコモ画像認識PF
ネットワークセキュリティサービス
docomo MECポータルへのログイン方法
用語集
改訂履歴

›チュートリアル

  • ドコモ画像認識プラットフォームとは

  • はじめに
  • 一般物体認識

    • 画像収集
    • アノテーション
    • データセット
    • 学習
    • 評価
    • デプロイ
    • 推論
    • クリーンアップ

    物体検出

    • 画像収集
    • アノテーション
    • データセット
    • 学習
    • 評価
    • デプロイ
    • 推論
    • クリーンアップ

    類似画像検索

    • 画像収集
    • アノテーション
    • データセット
    • デプロイ
    • データの追加
    • 推論
    • クリーンアップ

    特定物体認識

    • 画像収集
    • アノテーション
    • データセット
    • 辞書作成
    • デプロイ
    • 推論
    • クリーンアップ

    姿勢推定

    • 概要
    • デプロイ
    • 推論
    • クリーンアップ

    文字認識

    • 概要
    • デプロイ
    • 推論
    • クリーンアップ

    複数API組み合わせ用コンテナ

    • 概要
    • デプロイ
    • 推論
    • クリーンアップ

    管理画面

    • 認証キー管理
    • アノテーション管理
    • 学習モデル管理
    • 辞書管理
    • API管理
    • ユーザー管理

    APIリファレンス

    • 一般物体認識
    • 物体検出
    • 類似画像検索
    • 特定物体認識
    • 姿勢推定
    • 文字認識
    • 複数API組み合わせ用コンテナ
    • エラーレスポンス

  • 使用上の注意

はじめに

概要

 ここでは、ドコモ画像認識プラットフォームの各機能を紹介します。

学習の流れ

 学習の際の流れを紹介します。

一般物体認識・物体検出

 一般物体認識と物体検出は共通で以下の流れで処理を進めます。
 
  1. 画像収集
  2. アノテーション
  3. データセット作成
  4. 学習
  5. 評価
  6. デプロイ
  7. 推論
  8. クリーンアップ

類似画像検索

 類似画像検索は以下の流れで処理を進めます。

  1. 画像収集
  2. アノテーション
  3. データセット作成
  4. デプロイ
  5. データの追加
  6. 推論
  7. クリーンアップ

特定物体認識

 特定物体認識は以下の流れで処理を進めます。

  1. 画像収集
  2. アノテーション
  3. データセット作成
  4. 辞書作成
  5. デプロイ
  6. 推論
  7. クリーンアップ

姿勢推定・文字認識・複数API組み合わせ用コンテナ

 姿勢推定、文字認識と複数API組み合わせ用コンテナは、汎用モデルを使用して以下の流れで処理を進めます。なお、一般物体認識と物体検出についても汎用モデルを用意しています。そちらを利用すれば、学習等を省略し同じ流れで進めることができます。

  1. デプロイ
  2. 推論
  3. クリーンアップ

学習の各ステップ

 学習の際に行う各ステップについて紹介します。

画像収集

 学習に必要な画像はお客様自身で収集していただく必要があります。このチュートリアルではサンプルデータをダウンロードすることで進めることができます。

アノテーション

 集めた画像に対して、画像認識プラットフォームを用いて自動で推論・判定させたいタグ(その画像が何か・どこの位置に何があるか)を、人手で付与します。

  • 一般物体認識・物体検出
  • アノテーションのためのサンプルツールは管理画面からダウンロードして使えますが、出力形式が同じであれば他のツールを使っても大丈夫です。
    後述する学習のステップでは集めた画像を学習用、検証用、評価用の3つに分ける必要があります。
    アノテーションツールを使う場合は、集めた画像を3つのフォルダに分類した後、それぞれのフォルダごとにアノテーションツールをかけると出力がそのまま使えます。
    振り分けの画像数は以下を目安としてください。

    • 学習用に全体の7割から8割振り分けます
    • 残りを検証用と評価用に2:1〜1:2の割合で振り分けます


    集めた画像データが少ない場合は、一般的には精度の高い学習モデルを作成できません。可能な限り、以下の枚数を集めて学習・検証を行います。

    データ 枚数の目安
    学習用データ 100枚以上
    検証用データ 50枚以上
    評価用データ 50枚以上
  • 類似画像検索
  • 集めた画像は、類似画像検索の出力として用いられます。画像の枚数の目安としては、各物体につき1枚ずつから使用可能です。

  • 特定物体認識
  • 画像の枚数の目安としては、各物体につき1枚ずつから使用可能です。

データセット

 アノテーション付けした画像をドコモ画像認識プラットフォームで使用できるような形式にしてデータセットを作成します。

  • 一般物体認識・物体検出
  • ドコモ画像認識プラットフォームがサンプルとして提供しているアノテーションツールを使用した場合はツールの出力がそのまま使えます。
    データセットは学習用データ、検証用データ、評価用データの3種類必要です。

  • 類似画像検索・特定物体認識
  • 画像とタグを対応させるためのタブ区切りのファイルをお客様側で作成する必要があります。
    類似画像検索については、タブ区切りのファイルを使用せず、画像を一枚ずつ追加することも可能です。

データの追加

 類似画像検索では、結果を画像で出力します。ドコモ画像認識プラットフォームでは、出力される画像が  類似検索コンテナ  として管理されていますので、そこに画像を追加します。

辞書作成

 特定物体認識では、辞書という形でデータを管理します。データセットにて作成したデータをアップロードすると自動的に辞書が作成されます。

学習

 学習用データを使用して学習をします。学習は学習用データを1回だけ使って終わりではなく、自動的に何度も繰り返し行われます。一定回数の学習ごとに検証用データを使って精度を計測し学習の進み具合を検証します。

評価

 評価用データを使ってお客様ご自身で学習したモデルの最終的な精度を測定します。

デプロイ

 お客様ご自身で学習したモデルを使って推論できるようにデプロイします。お客様自身でサーバーを用意する必要はありません。

推論

 お客様ご自身で学習したモデルを使用してデプロイしたAPIに画像を渡して結果を得ます。REST APIを使用してアクセスします。

クリーンアップ

 管理画面で管理できるデータセット、モデル、APIには上限があるので使わなくなったデータセット、モデル、APIを削除します。
← ドコモ画像認識プラットフォームとは
  • 概要
  • 学習の流れ
    • 一般物体認識・物体検出
    • 類似画像検索
    • 特定物体認識
    • 姿勢推定・文字認識・複数API組み合わせ用コンテナ
  • 学習の各ステップ
    • 画像収集
    • アノテーション
    • データセット
    • データの追加
    • 辞書作成
    • 学習
    • 評価
    • デプロイ
    • 推論
    • クリーンアップ
  • ※「docomo MEC」は株式会社NTT ドコモの商標です。
docomo
© NTT DOCOMO, INC. All Rights Reserved